知识卡片
Master协调图
TensorFlow 的 Master 是计算图执行的调度中介:Client 构图,Master 裁剪和切分图,Worker 执行分片。这个设计把“我要算什么”和“在哪里算”分成两次决策。
这张卡片看不懂?
这张卡片的反馈已满 10 条,暂时无法继续提交。
已有反馈 · 0 / 10 条
还没有人提交反馈。
原书出处
参考来源
- 位置:《分布式机器学习:系统、工程与实战》第15章《分布式运行环境之静态架构》(源文件:_epub-src/Fen Bu Shi Ji Qi Xue Xi _Xi Tong , Gong Cheng Yu Shi Zhan_split_084.html)
- 结论依据:原文说明 Client 构造计算图、Worker 执行计算,TensorFlow 插入 Master 负责协调调度并执行二级切分。
- 原始内容:分布式运行的核心是如何操作计算图。计算功能被拆分为Client、Master和Worker这三个角色。Client负责构造计算图,Worker负责执行具体计算,但是Worker如何知道应该计算什么呢?TensorFlow在两者之间插入了一个Master角色来负责协调、调度。